Megagon Labs 发布 Machamp 数据集, 应用在 实体匹配、数据清洗 领域

Megagon Labs 本次发布的数据集 Machamp, Machamp是Megagon Labs创建的一个数据集，旨在解决实体匹配问题，特别是在不同结构的数据集之间，如结构化、半结构化和非结构化数据。该数据集包含7个任务，覆盖了实际应用中的多种情况，通过转换现有的结构化数据集来创建，利用了现有的真实标签，并针对不同训练集大小、正标签比例和模式复杂度等进行了覆盖。Machamp数据集的应用领域广泛，包括数据清洗、知识库构建到实体聚类和搜索，旨在通过提供一个全面的基准来促进实体匹配技术的发展。

查看Machamp

README 内容： 

关于 Megagon Labs , Megagon Labs是日本乐天集团旗下的一个研究实验室，专注于自然语言处理和人工智能技术的研究与开发。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。